计算卷积层中的输出大小

Question

如果神经网络卷积层的输入是大小为128X128X3的图像并对其应用40个大小为5X5的过滤器，则输出大小将是什么？

Answer 1

您可以通过两种方式找到它： 简单方法：input_size - (filter_size - 1) 但是第二种方法是找到输出大小的标准。

Second method: (((W - K + 2P)/S) + 1)
        Here W = Input size
        K = Filter size
        S = Stride
        P = Padding 

Answer 2

您可以使用此公式(W−K+2P)/S+1。

• W是输入音量-在您的情况下为128
• K是内核大小-在您的情况下为5
• P是填充-我相信您的情况是0
• S是大步前进-您尚未提供。

Answer 3

公式：n[i]=(n[i-1]−f[i]+2p[i])/s[i]+1

哪里

n[i-1]=128

f[i]=5

p[i]=0

s[i]=1

所以

n[i]=(128-5+0)/1+1 =124

因此输出层的大小为： 124x124x40

Answer 4

最佳资源：

Dimension calculation

Parameters in CNN

Answer 5

（124 * 124 * 3）* 40 = 1845120宽度= 124高度= 124深度= 3的过滤器= 40步幅= 1填充= 0

Answer 6

让我开始简单；因为您对输入和过滤器都有平方矩阵，所以让我得到一维。然后，您可以将其应用于其他尺寸。想象一下，您正在树之间建造篱笆，如果有N棵树，则必须建造N-1个篱笆。现在将该类比应用于卷积层。

您的输出大小将是：输入大小-过滤器大小+ 1

因为您的过滤器只能有n-1个步骤，如我提到的栅栏。

让我们用这个想法来计算您的输出。 128-5 + 1 = 124 其他尺寸也一样。所以现在您有了一张124 x 124的图片。

那是一个过滤器。

如果您应用40次，则将具有另一个尺寸：124 x 124 x 40

如果您想进一步了解高级卷积算法，这里是一个很好的指南：https://arxiv.org/pdf/1603.07285.pdf